Metricas nas redes sociais

1,175 views
1,090 views

Published on

Published in: Business, Technology
1 Comment
2 Likes
Statistics
Notes
  • Ótima apresentação.


    Para quem sabe o valor de medir, recomendo o artigo que contém alguns conceitos e dicas de várias ferramentas muito úteis -
    Marketing: Métricas e Ferramentas para Mídia Social - http://wp.me/pMSqs-3r

    Att. @neigrando
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here
No Downloads
Views
Total views
1,175
On SlideShare
0
From Embeds
0
Number of Embeds
15
Actions
Shares
0
Downloads
42
Comments
1
Likes
2
Embeds 0
No embeds

No notes for slide

Metricas nas redes sociais

  1. 1. Evento ENDEAVOUR<br />Métricas nas redes sociais: seja efetivo no mundo 2.0<br />19/05/2010<br />
  2. 2. O Evento<br />Métricas nas redes sociais: seja efetivo no mundo 2.0<br />As redes sociais não estão desconectadas do mundo real. As empresas precisam montar estratégias de relacionamento no mundo digital baseadas em dados concretos.<br />A construção de métricas é fundamental para o melhor entendimento do novo universo online. Para isso, medidas como relevância, favorabilidade e dispersão de marcas e produtos nas redes sociais podem ser quantificadas pelos empreendedores e usadas a favor do seu negócio.<br />Neste workshop Endeavor, Manoel Fernandes vai passar dicas práticas para monitorar seu negocio e as oportunidades existentes nas redes sociais na web.<br />Inicio: 19/05/2010 às 08:30<br />Fim: 19/05/2010 às 10:30<br />Local: Insper<br />Auditório Steffi e Max Perlman<br />Endereço: Rua Uberabinha s/n° Vila Olímpia - SP<br />
  3. 3. Palestrante<br />Manoel Fernandes<br />manoel@bites.com.br<br />http://www.facebook.com/home.php?#!/bitesbr<br />http://bites.com.br<br />
  4. 4. O que as marcasbuscamnasredessociais<br />Relacionamento (Capital Social)<br />Colaboração ( produtos)<br />Branding( Percepção de marca)<br />Atendimento ao cliente (SAC)<br />Vendas<br />
  5. 5. Balanced ScoreCard<br />O que não é medido, <br />não é gerenciado. <br />
  6. 6. Métrica 1<br />Taxa de Dispersão<br />Quantidade de internautas que foram impactados com o post<br />Qtde de seguidores do emissor <br />+ <br />Número de seguidores (1º Nível) <br />que retuitaram o post<br />Utiliza-se a mesma regra de anúncio de revistas onde não se tem certeza da leitura, mas considera-se, por exemplo, 4 leitores por exemplar de cada revista.<br />
  7. 7. Métrica 2<br />Favorabilidade<br />A qualidade da percepção das marcas nas redes sociais<br />Total de menções favoráveis <br />(positivas + neutras – negativas) <br />/ <br />Total de menções<br />Para alguns clientes, emitem-se relatórios diários visando tomada de ações para transformar os posts negativos em neutros ou positivos.<br />Se possivel chegar ao nivel do perfil, tendo estas métricas para cada pessoa.<br />Processoinicialmenteautomatizado (via robô de captação) e posterior análisepessoal de TODO o conteúdo, paracategorizá-lo<br />
  8. 8. Métrica 3<br />Aderência<br />Volume de citaçōes sobre a marca em determinado Universo<br />Total de posts no Universo escolhido <br />/ <br />Total de citaçōes à minha marca<br />Com isso você consegue identificar os Top Talkers da marca (Positivos ou Negativos)<br />
  9. 9. Métrica 3<br />Relevância<br />Análise qualitativa do emissor das sitações sobre a marca<br />Raio-X de 40 fontes de informação sobre o emissor<br />(Orkut, Twitter, Facebook, Blogs, comparação com Analytcs, etc...)<br />Não é software que faz isso. São pessoas.<br />A relevância é volúvel - Nas redes sociais as pessoas aparecem e somem com freqüência, com ciclos de vida pequenos (30 dias em média), e vários ciclos pequenos ao longo do tempo, em momentos diferentes.<br />
  10. 10. Case de uso das métricas<br />Em um projeto buscava-se encontrar os 10 TopTalkers da marca cliente<br />Iniciou-se o processo por dados quantitativos, como por exemplo, numero total de seguidores.<br />Com estecritérioinicial, um usuárioficounaposição 11o <br />Após a aplicação da métrica 4 (Relevância) percebeu-se que este internauta não tinha muitos seguidores mas:<br />era jornalista<br />editor de uma revista para publico alvo na editora Globo <br />moderador do maior grupo do Orkut sobre o tema alvo.<br />Resultado<br />foiincluido entre os10 TopTalkers, nas primeiras posições<br />
  11. 11. Balanced ScoreCard<br />É mais fácil inventar o futuro do que desvendá-lo.<br />Alan Kay<br />
  12. 12. Momentosnasredessociais<br />“Precisamosentrarnasredessociais”<br />(1 ano e meioatrás)<br />“Precisamosmedir”<br />(momentoatual)<br />“Como encaixaremos nossa estratégia corporativa à nossa estratégia nas redes sociais”<br />(aindavamoschegarnestemomento)<br />Empresaquadrada no mundo real <br />nuncavai ser COOL nasredessociais.<br />
  13. 13. Síndrome de Alice<br />Alice em dúvida, numa encruzilhada pergunta ao gato:<br />- Qual o caminho que devo seguir?<br />O gato responde com outra pergunta:<br />- Para onde você quer ir?<br />
  14. 14. Quemfaz o quênasredessociais<br />Programadores<br />Geradores de conteúdorelevante.<br />Re-Programadores<br />Re-distribuemconteúdo de programadores (Re-Twittes)<br />Via de Regra, <br />programador é sempreprogramador<br />e re-programador é sempre re-programador<br />
  15. 15. Quemestáestudando as redessociais<br />Empresas<br />Razorfish e outras<br />GrandesUniversidades<br />Harvard, FGV, USP e outras<br />GrandesConsultorias<br />MacKinsey e outras<br />Se alguémdisserque é especialistaemredessociais de hoje a daqui a 10 anos, fuja! É mentira!<br />
  16. 16. Gerenciamento de crisenasredessociais<br />Não existe maneira de conter a crise, nas redes sociais. <br />Oque se deve tentar fazer é conter o "efeito manada“ da melhor maneira possível.<br />
  17. 17. Plataforma da Bites paraRedesSociais<br /><ul><li>Ferramentas automatizadas de captação
  18. 18. 2.000 Blogs cadastrados varridos por um robô buscando palavras chave
  19. 19. Robosque varrem o Twitter buscando palavras chave
  20. 20. Log e Registro local de todasestasinformações</li></ul>(No Twitter, porexemplo, temosdisponívelapenasosúltimosdias de conteúdo)<br /><ul><li>Um time multi-disciplinar de profissionais
  21. 21. Analisandoestes dados
  22. 22. Qualificandoestes dados
  23. 23. Gerandorelatórios</li></li></ul><li>Case das candidaturas Serra x Dilma<br /><ul><li>Análise de 2 dias das redessociaisapós o anúncio
  24. 24. 10.000 posts
  25. 25. Serra se deu melhor, porque o PSDB parecia ter uma rede articulada, e planejada para retwittaros postscom inteligência
  26. 26. Dilma se deu pior pois o PT não estava organizado e os posts eram passionais, xingando o Serra e declarando amor ao PT</li></li></ul><li>Livro<br />http://bites.com.br/2009/noticias/2010/04/17/o-livro-de-bites/<br />
  27. 27. www.mol.com.br<br />Apelidopadrãonasredessociais: molcombr<br />

×